En un estudio de prueba de concepto, investigadores de los Institutos Nacionales de Salud (NIH) han desarrollado una herramienta de inteligencia artificial (IA) que utiliza datos clínicos rutinarios, como los de un simple análisis de sangre, para predecir si el cáncer de una persona responderá a los inhibidores de puntos de control inmunitarios, un tipo de fármaco de inmunoterapia que ayuda a las células inmunitarias a matar las células cancerosas. El modelo de aprendizaje automático puede ayudar a los médicos a determinar si los fármacos de inmunoterapia son eficaces para tratar el cáncer de un paciente. El estudio, publicado el 3 de junio de 2024 en Nature Cancer, fue dirigido por investigadores del Centro de Investigación del Cáncer del Instituto Nacional del Cáncer (NCI) y el Memorial Sloan Kettering Cancer Center de Nueva York. El NCI forma parte de los Institutos Nacionales de Salud.
Actualmente, dos biomarcadores predictivos están aprobados por la Administración de Alimentos y Medicamentos para su uso en la identificación de pacientes que pueden ser candidatos al tratamiento con inhibidores de puntos de control inmunitarios. El primero es la carga mutacional del tumor, que es el número de mutaciones en el ADN de las células cancerosas. El segundo es PD-L1, una proteína de las células tumorales que limita la respuesta inmunitaria y es un objetivo de algunos inhibidores de puntos de control inmunitarios. Sin embargo, estos biomarcadores no siempre predicen con precisión la respuesta a los inhibidores de puntos de control inmunitarios. Los modelos recientes de aprendizaje automático que utilizan datos de secuenciación molecular han demostrado su valor en la predicción de la respuesta, pero este tipo de datos es caro de obtener y no se recopila de forma rutinaria.
El nuevo estudio detalla un tipo diferente de modelo de aprendizaje automático que realiza predicciones basadas en cinco características clínicas que se recopilan rutinariamente de los pacientes: la edad del paciente, el tipo de cáncer, el historial de terapia sistémica, el nivel de albúmina en sangre y la relación neutrófilos-linfocitos en sangre, un marcador de inflamación. El modelo también tiene en cuenta la carga mutacional del tumor, evaluada mediante paneles de secuenciación. El modelo se construyó y evaluó utilizando datos de múltiples conjuntos de datos independientes que incluyeron 2.881 pacientes tratados con inhibidores de puntos de control inmunitarios en 18 tipos de tumores sólidos.
El modelo predijo con precisión la probabilidad de que un paciente respondiera a un inhibidor de puntos de control inmunitario y cuánto tiempo viviría, tanto en general como antes de que la enfermedad regresara. En particular, según los investigadores, el modelo también fue capaz de identificar a pacientes con baja carga mutacional tumoral que aún podían ser tratados eficazmente con inmunoterapia.
El estudio: „LORIS predice de forma robusta los resultados de los pacientes con terapia de bloqueo de puntos de control inmunitarios utilizando características clínicas, patológicas y genómicas comunes“ aparece el 3 de junio de 2024 en Nature Cancer.
